Redigerer Revolve NTNU (avsnitt)

=== Software Grupper ===

==== Autonomous Systems ====
Autonomous Systems-gruppen har som mål å forvandle racerbilen til en intelligent, selvkjørende racerbil. For å oppnå dette må bilen være i stand til å oppfatte, forstå og tilpasse seg omgivelsene på en effektiv måte. Gruppen utvikler logikken som fungerer som bilens "hjerne", ved hjelp av avanserte teknikker som Simultaneous Localization and Mapping (SLAM), styringssystemer og ruteplanlegging. Denne strukturen integreres med bilens sensorsystemer, som mottar avgjørende data fra blant annet LiDAR-sensorer – bilens "øyne og ører".

Den autonome kjøreprosessen oppnås ved hjelp av en Ouster OS1-32G LiDAR-sensor, montert foran på bilen. Denne sensoren genererer en digital punktsky som representerer overflatene i omgivelsene. Ved bruk av en grafbasert SLAM-algoritme (Simultaneous Localization and Mapping) kartlegger bilen omgivelsene og beregner sin egen posisjon i sanntid, selv ved høye hastigheter. Navigasjonssystemet analyserer deretter plasseringen av kjeglene som markerer banegrensene, og en ruteplanleggingsalgoritme finner den optimale "race-linjen" gjennom banen. For å ta beslutninger om kjøring benytter bilen en modellprediktiv styringsalgoritme (MPC). Denne algoritmen bruker en modell av bilens dynamikk til å forutsi fremtidige bevegelser og velge optimale inngangsparametere, som gasspådrag og styring. MPC sikrer maksimal progresjon gjennom banen og kan potensielt overgå selv de beste menneskelige sjåfører. For å muliggjøre testing og optimalisering har gruppen implementert standardiserte grensesnitt mellom den autonome programvaren og kjøretøyet, samt en egen simulator for lett testing med simulert sensordata. Dette tillater testing av programvaren på eldre biler før den finjusteres for årets modell, noe som gir en effektiv utviklings- og testprosess.

==== Control Systems ====
Control Systems-gruppen i Revolve NTNU arbeider med å optimalisere racerbilen ved hjelp av kontroll- og estimeringsteorier. Gruppens hovedmål er å forbedre stabilitet og kjørbarhet. Dette oppnås blant annet gjennom Torque Vectoring (TV)-kontrollsystemet, som finjusterer kraftfordelingen mellom hjulene for å oppnå optimal ytelse i både akselerasjon og svinger. 

Gruppen benytter også omfattende modellering og simuleringsmetoder for å gjenskape virkelige kjøreforhold og bilens dynamikk. Denne tilnærmingen gjør det mulig å gjennomføre grundige tester og optimaliseringer før bilen produseres og er klar for testing på banen.

==== Data Engineering ====
Data Engineering-gruppen har ansvar for å utvikle og vedlikeholde datainfrastrukturen til Revolve NTNU. En godt strukturert datapipeline er avgjørende for å sikre at teamet beholder sin konkurransefordel. Med over 300 sensorer i racerbilen utvikler gruppen egne programvareløsninger for å visualisere sanntidsdata fra bilen. Disse dataene inkluderer alt fra kjøretøystilstand til ytelsesmålinger, og brukes til å analysere og forbedre bilens ytelse.